День добрый, уважаемые!
Возникла задача - запарсить HTML файл Java парсерами. Я выбрал STAX. Однако в процессе работы парсер выкидывает ряд исключений, связанных с тем, что HTML не является валидным XML. В частности, он жалуется на незакрытые тэги, на странное написание DOCTYPE, на символы   и прочее.
Я могу как-то обойти это дважды проходя по HTML и выкидывая то, что вызывает ошибку. Могу, не обращать внимание на исключения выкинутые после того, как я получил то, что нужно. Но хотелось бы сделать как надо.
Так есть способ запарсить HTML с незакрытыми и ошибочными тэгами через стандартные Java парсеры, не привлекая сторонних библиотек?